Freshworks скорочує 11% штату: як AI змінює SaaS-розробку

Уявіть старий водяний млин на ірландській річці. Два століття він молов борошно завдяки дюжині робітників, що керували шлюзами та мішками. Потім прийшла парова машина, потім електрика — і один за одним ці люди опинилися надворі, дивлячись на будівлю, яка робила ту саму роботу за допомогою одного перемикача на стіні. Freshworks щойно натиснула цей перемикач.

Заголовок достатньо простий: скорочення 11% штату в SaaS-компанії середньої капіталізації, відкрито представлене як AI-реструктуризація. Цікаве тут — те, що варте уваги, якщо ви керуєте інженерною командою, — це яким саме млином компанія вважає себе в майбутньому.

Ключові деталі

Як повідомляє Let's Data Science, Freshworks скорочує приблизно 11% штату, а рішення пояснюється тим, що AI змінює спосіб створення та продажу програмного забезпечення. Це суть новини. Все, що виходить за межі цього факту, я розглядатиму як аналіз, а не як встановлену істину — бо так і є.

Freshworks входить у знайому категорію: вендор у сфері клієнтського досвіду та ITSM, який конкурує з лідерами ринку, дотримуючись стандартної SaaS-стратегії: розширення клієнтської бази, фокус на середньому бізнесі та постійний потік нових функцій. Компанія, де до недавнього часу організаційна структура нагадувала багатошаровий торт. Інженери першої лінії підтримки в основі, рівні 2 і 3 вище, продуктова розробка, SRE, потім платформа, а осторонь — невелика каста ML-спеціалістів.

Скорочення на 11% — це не панічний крок. Це не 25%. Це обсяг скорочення, на який йдуть, коли уважно вивчили таблицю, визначили конкретні функції з низьким граничним виходом відносно наявного інструментарію та вирішили, що найдешевше рішення — менше людей, які виконують той самий обсяг роботи за допомогою кращого програмного забезпечення. Нудна частина полягає в тому, що саме так виглядає дисципліна публічної SaaS-компанії у 2026 році.

Того, чого у нас немає і чого я не буду вигадувати, — це розбивки по відділах. Картина по галузі за останній рік виглядає так: більш значні скорочення в підтримці, QA, технічному написанні та інженерії першого рівня клієнтського обслуговування; менш значні — в основній платформі та інфраструктурі. Чи повторює Freshworks цю схему в точності — покажуть квартальні звіти та LinkedIn протягом наступного кварталу. Структура скорочення важливіша за цифру.

Чому це важливо для інженерних команд

Кожен, хто організовував цілодобове чергування на виклики, знає брудний секрет SaaS-підтримки: більшість тікетів не є нестандартними. Це скидання паролів, неправильно налаштовані дозволи, помилки автентифікації інтеграцій і ті самі п'ять запитань про повторні спроби вебхуків. Генеративний AI, дотренований на власних runbook-ах та історії тікетів компанії, справляється з таким обсягом без зусиль. Млин легко меле просте зерно.

Складніше зерно — аналіз першопричин при розбитті партиції, налагодження витоку connection pool о 3-й ночі, проектування багатотенантного rate limiter, який не штрафує сумлінних — досі потребує людських рук. Моє розуміння: скорочення у Freshworks і хвиля, частиною якої воно є, — це по суті перебудова нижньої частини піраміди, а не верхньої. Удар беруть на себе молодші та середні ролі, робота яких уже була шаблонізована.

Це матиме наслідки, які керівники інженерних команд відчують протягом 18 місяців. Звідки беруться старші інженери? Вони виростають із молодших, які опановують ремесло, виконуючи спочатку шаблонну роботу. Якщо автоматизувати учнівство, ви оптимізуєте P&L цього року, заклавши в заставу старший кадровий резерв наступного десятиліття. Чіткої відповіді на це я поки не бачу, а компанії, які вдають, що вона в них є, зазвичай щось продають.

Інший практичний зсув: сам AI-інструментарій стає виробничою системою. Це означає observability для промптів, evals як частину CI, контроль версій для дотренованих моделей, плани відкату, коли регресія LLM починає видавати клієнтам вигадані правила повернення. Команди, які ставилися до налаштування OpenTelemetry як до формальності, тепер виявляють, що трасування підтримкового флоу, опосередкованого LLM, — де модель викликала інструмент, який викликав API, який викликав базу даних, — вимагає, щоб кожен спан містив контекст, якого початкова інструментація ніколи не передбачала.

Вплив на галузь

Для читачів із iGaming та фінтек-сектору історія Freshworks — корисний сигнал, а не пряма аналогія. Регульовані вертикалі не можуть так агресивно замінювати людину в ланцюжку рішень. KYC-перевірка або ескалація AML мають характеристики аудиту та відповідальності, яким LLM самостійно не відповідає. Але рівень підтримки, служба допомоги з інтеграцією, черга онбордингу мерчантів — це абсолютно під питанням, і SaaS-вендори, що продають у ці вертикалі, тепер конкурують між собою за вартість обслуговування, а не лише за швидкість випуску функцій.

Другорядний ефект стосується закупівель. Якщо ваш CRM або ITSM-вендор щойно скоротив 11% штату, ваш акаунт-менеджер, напевно, новий, ваш контакт з продовження контракту — точно новий, а зобов'язання щодо дорожньої карти, які ви отримали шість місяців тому, потребують повторної перевірки. Інженерні команди, що залежать від інструментів класу Freshworks для управління інцидентами, клієнтських комунікацій або внутрішнього IT, мають поставити незручне запитання: які функції тепер підтримує напівукомплектована команда, а які отримали AI-переписування з новими режимами відмов?

Є також питання платформного рівня, на яке ніхто на боці вендора не хоче чітко відповідати. Коли SaaS-компанія замінює інженерів підтримки AI-шаром, SLA неявно змінюється. Час відповіді покращується на простих запитах, погіршується на складних, а дисперсія зростає. Для покупців із ad-tech та фінтеку, що запускають місіонально-критичні робочі процеси, саме ця дисперсія — та точка, де все руйнується. Затримка P50 чудово виглядає в маркетингових матеріалах. P99 — це те, через що розривають контракти.

За чим спостерігати

Протягом наступних двох кварталів варто відстежувати три сигнали. По-перше, патерни найму у Freshworks та конкурентів. Якщо за скороченнями послідує агресивний найм на ролі в ML-платформу, прикладний AI та старшу інфраструктуру — це справжня реструктуризація. Якщо найм залишається рівним по всіх напрямках — це лише гра на маржу в костюмі AI.

По-друге, рядок валової маржі у двох наступних квартальних звітах. SaaS-компанії роками перебували в діапазоні 75–80% валової маржі. AI-теза стверджує, що можна підняти вище, бо вартість підтримки знижується. Контртеза каже, що витрати на інференс поглинають економію. Спостерігайте за цифрою, а не за наративом.

По-третє, стежте за клієнтськими режимами відмов. Публічні треди на Reddit і Hacker News від покупців покажуть вам — швидше за будь-який вендорський блог — чи справляються AI-замінники з реальним навантаженням. Млин або меле чисте борошно, або ні — і саме клієнти їдять цей хліб.

Мій прогноз, на скільки він вартий: цифра 11% виглядатиме консервативною впродовж 18 місяців. Не тому, що Freshworks у скруті, а тому, що цей патерн повториться по всьому сегменту SaaS середньої капіталізації, і друга хвиля буде більшою за першу — в міру зрілості інструментарію та сміливості рад директорів. Водяний млин став електростанцією. Електростанція працює з трьома інженерами та дашбордом. Програмне забезпечення рухається тією самою траєкторією, і єдине реальне питання — які ролі в підсумку тримають цей дашборд.

Ключові висновки

• Скорочення 11% у Freshworks подається як AI-реструктуризація, і масштаб та формулювання важливі так само, як і сама цифра.
• Найбільш вразливі ролі — шаблонна підтримка, QA та інженерія першого рівня, де дотренований LLM-інструментарій тепер опрацьовує основний обсяг повторюваних запитів.
• Автоматизація учнівського трубопроводу створює дефіцит старших інженерів через 18–24 місяці, на який ні в кого немає чіткої відповіді.
• AI у production вимагає справжньої observability, evals та дисципліни відкату — а не нашвидкуруч доданого prompt engineering.
• Покупцям SaaS-інструментів слід повторно перевіряти зобов'язання щодо дорожньої карти та стежити за поведінкою P99, а не лише за покращеннями середнього часу відповіді.